AWS Quicksight Q で Generative BI（生成系 BI）機能 を使ってみる - Qiita
基本的な使い方 トピックの選択 ページ上部にあるQバー（検索窓）でトピックを選択します。 サンプルを作った状態では「Software Sales」が選択されています。 質問する Qバーに質問を入力します。 対応するのは基本英語のみです。（一部日本語が可能で後述します。） 例として「What country did we make the most sales last year?（昨年最も売上が多かった国はどこ）」と入力すると、数秒でグラフがビルドされます。 解釈の確認 Qがどのように文章を解釈したかQバーの下で確認できます。 質問の主要用語にアンダーバーで強調され、解釈したフィールド名とマッピングされていることが分かります。 例では以下のようにマッピングされています。 sales ＝ sum of sales（salesフィールドの合計） country = countryフィールド y
Apache Zeppelin 0.7.3 Documentation: Front-end Angular API in Apache Zeppelin
Basic Usage In addition to the back-end API to handle Angular objects binding, Apache Zeppelin also exposes a simple AngularJS z object on the front-end side to expose the same capabilities. This z object is accessible in the Angular isolated scope for each paragraph. Bind / Unbind Variables Through the z, you can bind / unbind variables to AngularJS view. Bind a value to an angular object and a m
楽しい可視化 ： elasticsearchとSpark Streamingの出会い | NTTデータ先端技術株式会社
0. ログやデータを取得した後は？ ログやデータの分析には、様々なアプローチが考えられるが、Apache Solrやelasticsearchといった全文検索エンジン製品にデータを蓄積し、その機能を用いて検索・集計・分析を行う方法がある。その際、データをそのまま蓄積するのではなく、各ツイート・各行に属性を付与（エンリッチメント）することにより、分析の幅は大きく広がる。 全文検索エンジンへのデータの投入では、Flume-ngやfluentdといったデータ収集製品を利用する実例が多い。しかし、リアルタイムにデータに対してエンリッチメントの前処理を行おうとした場合、処理が複雑になるにつれ、単体サーバーで動作するFlume-ngやfluentdでは処理能力が頭打ちになってくる。そこで、登場するのが、リアルタイムに大量のデータを処理することができるストリーミング処理系のビッグデータ関連技術である。
まだBIツールで消耗してるの？ ~ サーバレス・KPI分析ダッシュボードをGAS + Slackで - Yamotty Blog
背景 データはコミュニケーションツールである。 webサービスではGoogle Analyticsや、Big Query、その他数多くのデータ集計ツール上に集積しているログを都度取り出し、分析を行うことは一般的。 特にプロダクトマネージャーはこれらのデータを加工し、コミュニケーション・ツールとして『良い塩梅に』使用することが求められる。 しかしながらデータをチームに共有したり、毎日目に触れるようにするカロリーはいまだに高い。 Google AnalyticsやBig Queryからログを収集し・加工し、chartを作成、その上でchartをチームのコミュニケーションの場である「Slack」へポストする、ということを日常的に行っているわけだが、 毎日定点観測したい 都度SQLクエリを叩くのが手間 データを取得しに行く場所が複数 などの要因から非常にカロリーが高い。 そこで、集計・分析・チャー
シェルのヒストリをKibanaで可視化してみた - Qiita
はじめに いろいろデータ可視化の可能性を探っていると、とても興味を惹かれる記事を見つけました。 Vimでの作業をKibanaで可視化してみた VimのメトリクスをElasticsearchに投入する為にプラグインを作成されていて素直にすごいなぁと思いました。 ブラウザの閲覧履歴で人生の棚卸し（embulk + elasticsearch + kibanaで可視化） そこに抽出できる履歴データがあれば振り返りたくなりますよね。 昨年11月くらいからデータ可視化のためにEmbulk、Elasticsearch、Kibanaを少し触ってきて、ある程度使い方が分かってきましたので、おさらいを兼ねてシェルのヒストリファイルの可視化をしてみようと思います。 必要なもの（環境） そこそこ溜まっている タイムスタンプ付き のシェルヒストリファイル Embulk 0.8.8 Docker Elasticse
Kibana 3 + Rails + Fluentdのサンプルアプリを作ってみた - y_310's diary
miyagawaさんのPodcast Rebuild: 19でKibanaの話があってちょっと盛り上がり始めてるので、簡単に動作を試せるサンプルアプリセットを作ってみました。 https://github.com/y310/kibana-trial git cloneしてREADMEに書いてある手順を実行していくと大体動くと思います。 railsからfluentdにログを送る部分は、こんな感じでrack middlewareを使って送ります。 # application_controller.rb class ApplicationController < ActionController::Base around_filter :collect_metrics def collect_metrics yield # ensureを使うのは例外時のログも捕捉するため ensure # co
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - mlcraft-io/mlcraft: Synmetrix – open source semantic layer / Boost your LLM precision
Building real-time dashboard applications with Apache Flink, Elasticsearch, and Kibana
Analyze Realtime Data from Amazon Kinesis Streams Using Zeppelin and Spark Streaming | Amazon Web Services
Jupyter + redash + Docker + git で作るデータ分析の知見をチーム内で共有しやすい環境